基于角點的圖像特征提取與匹配算法研究.pdf

1、圖像特征提取與匹配在計算機視覺領(lǐng)域有著廣泛的應(yīng)用。穩(wěn)定的圖像特征提取是圖像匹配的前提。圖像局部特征點大致分為兩種:斑點和角點。由于尺度、旋轉(zhuǎn)、光照、噪聲等不利因素的影響，實際拍攝的圖像（如航拍建筑物）往往存在著邊緣信息的損失，導(dǎo)致了在圖像的結(jié)構(gòu)邊緣上只能提取少量的斑點特征。相比而言，角點卻能夠保持物體邊緣特征的穩(wěn)定性。這樣，在斑點特征無法實現(xiàn)此類圖像匹配時，角點成為實現(xiàn)匹配的重要保證。
　　然而，目前角點算法在匹配精度上存在著不足

2、。為此，本文基于角點對圖像特征提取與匹配算法展開了以下研究:
　　(1)對典型的斑點算法如SIFT和SURF，及角點算法如Harris和FAST進行了研究，通過在建筑物圖像上的實驗分析，驗證了角點在邊緣結(jié)構(gòu)的性能比斑點好，且檢測時間比斑點快。
　　(2)提出了基于FAST角點的圖像特征提取與匹配算法。本文首先對FAST算法引入了尺度不變性，以提取具有尺度不變性的角點特征。然后，結(jié)合SIFT算法建立了性能較佳的128維特征描述

3、子。在特征匹配上，采用了雙向匹配方法和改進的剔除誤匹配算法，提高了匹配精度?；诓煌瑘D像數(shù)據(jù)庫實驗測試結(jié)果表明，改進算法的匹配精度高、魯棒性強，能夠?qū)崿F(xiàn)SIFT算法無法完成的實際航拍圖像匹配。
　　(3)提出了基于BRISK角點的圖像特征提取與匹配算法。通過將SIFT尺度空間與BRISK算法相結(jié)合，提出了一種新的尺度空間構(gòu)建方法，進而使用BRISK算法提取出尺度不變性的角點特征。然后，利用改進的特征匹配方法和剔除誤匹配算法，實現(xiàn)了

4、圖像的精確匹配。實驗結(jié)果表明，本章算法是一種有效的圖像匹配算法，比基于FAST角點改進算法的匹配精度高，并能夠?qū)崿F(xiàn)BRISK和SIFT算法無法完成的實際航拍圖像匹配。
　　(4)研究了非線性的圖像特征提取與匹配算法，實現(xiàn)了非線性的KAZE算法及其改進的KAZE算法。本文通過在不同的圖像數(shù)據(jù)庫上，將非線性算法與SIFT、SURF、ORB、BRISK、FREAK線性算法進行了詳細的比較。實驗結(jié)果表明在尺度、旋轉(zhuǎn)、視角、模糊、光照、壓縮